拟合标准:
(1)原始数据向量与拟合向量之间的距离最小,该距离的度量一般使用误差平方和表示,即均方误差:R=||Q-Y||22
(2)当均方误差最小时,说明构造的拟合向量与原始向量最为接近,这种曲线拟合的方法称为最小二乘法
(3)计算均方误差最小时的拟合系数,可以通过微积分中求解极值的方法实现
多项式拟合
(1) 多项式拟合在matlib中可以使用ployfit函数求解多项式系数,通过ployval函数求解拟合多项式在某数据点处的值
(2) 比如:拟合正弦函数曲线,使用4次多项式拟合
程序如下:
x0 = -pi:0.1:pi;
y0 = sin(x0);
p0 = polyfit(x0,y0,4);
y1 = polyval(p0,x0);
plot(x0,y0,x0,y1,’r’);
poly2sym(p0)%得到表达式
x1 = -1:0.2:1;
y1 = 1./(1 + 25*x1.^2);
x0 = -1:0.01:1;
y0 = 1./(1 + 25*x0.^2);
p3 = polyfit(x1,y1,3);%拟合成三次多项式
p5 = polyfit(x1,y1,5);%拟合成五次多项式
p10 = polyfit(x1,y1,10);%拟合成十次多项式
y3 = polyval(p3,x0);
y5 = polyval(p5,x0);
y10 = polyfit(p10,x0);
plot(x0,y0,x0,y3,’r’,x0,y5,’m’,x0,y10,’k.’);
legend(‘orig’,’3次’,’5次’,’10次’)
非多项式拟合
(1) 使用Curve Fit Toolbox函数实现具体类别函数的拟合。可以直接使用cftool,或者使用cftool提供的函数:fitoptions函数;fittype函数;fit函数
(2) 具体使用方法
fitoptions函数:建立或修改拟合选型结构体,主要有以下几类
Normalize,是否归一化,选择off或者on
Exclude,排除某些数据点,可以使用excludedata函数获取该逻辑向量
Weight,权值
Method,拟合方法
示例:
options = fitoptions;%返回值是上面四个属性的值
options = fitoptions(‘Method’,’NonlinearLeastSquare’);%设置方法为非线性最小二乘
options.Lower = [-Inf,-Inf,-Inf]%设置最小值是负无穷大
options.Upper = [Inf,Inf,Inf]%设置最大值是正无穷大,这里之所以使用三个参数,是因为1/(1+25x^2)符合a/(b+cx^2)的形式
type = fittype(‘a/(b+c*x^n)’,’problem’,’n’,’options’,options);
[cfun gof] = fit(x1’,y1’,type);
ynp = veval(cfun,x0);
plot(x0,y0,x0,ynp,’r’);
h1=plot(x0,y0,’k’);
set(h1,’LineWidth’,5);
hold on
plot(x0,ynp,’r’);
备注:材料来自21世纪电子论坛经典案例系列教程之多项式与非多项式拟合